如何给Python轻应用添加新的组件:Python轻应用扩展适配介绍

简介: 如何给Python轻应用添加新的组件:Python轻应用扩展适配介绍
AliOS Things 3.3.0新版本中,其中非常中的一个特点,就是支持Python轻应用,也就是可以直接使用Python代码来写物联网程序,并且控制软件设备。

这是HaaS物联网设备云端一体Low Code开发框架的核心之一。

那本文讲介绍如何给Python轻应用添加新的组件,比如之前Python应用中没有操作ADC的组件,可以使用本文的方法去进行扩展适配,来增加这个ADC组件。

1、Python语言介绍

1.1、现状

2021年1月热门语言排行榜:Python荣获TIOBE年度之星排在第三名.(排名逼近第二JAVA)

1.2、特点

Python是基于C++创造的,它们的区别主要体现在,C++效率高,编程难;Python效率低,编程简单。

1.3、MicroPython 和Python 的关系

MicroPythonPython3编程语言的精简高效实现,包括Python标准库的一小部分,并且经过优化,可在微控制器和受限环境中运行。

1.4、MicroPython 功能特点和资源占用

MicroPython包含了诸如交互式提示,任意精度整数,关闭,列表解析,生成器,异常处理等高级功能。足够精简,适合运行在只有256k的代码空间和16k的RAM的芯片上(官网:https://micropython.org/)

2、适配

开发手册:
https://g.alicdn.com/HaaSAI/PythonDoc/quickstart/index.html

2.1、Python 适配涉及到的基础概念

  • netmgr ,driver 和python 的module 对应,ADC 和python Class 相对应
  • 可以只有module 的适配
  • Class 必须挂在module 下面

2.2 、Python 代码和C 代码关联方式

Module 定义的入口文件:components/py_engine/mpy-adaptor/system/mpconfigport.h

2.2.1、通过Python 的Module 进行关联

下面以netmgr 功能作为Module 方式关联C代码的例子讲解

代码路径:components/py_engine/mpy-adaptor/component/netmgr/modnetmgr.c

module结构变量定义:

模块对应的功能函数映射表:

具体的函数实现:

2.2.2、通过Python 的Module + Class 进行关联

下面以adc功能作为Module +Class 方式关联C代码的例子讲解

代码路径:

Module:components/py_engine/mpy-adaptor/system/moddriver.c

Class:components/py_engine/mpy-adaptor/system/driver/adc.c

模块定义:

Driver 模块包含了多个Class 的定义,adc,dac,owm,spi 等. 映射表为:

ADC Class 定义:

ADC 功能映射表格定义:

函数实现:

2.3、Python 代码和C代码字符对应关系

根据上面的讲解,大家应该基本上可以了解适配的过程,但是模块名,类名,变量名,函数名的字符是python 和C 是怎么关联起来的呢?

2.3.1 、映射关系在代码中的呈现形式

C 层字符:

Python层字符:

是通过映射的脚本:components/py_engine/mpy-adaptor/genhdr/gen_qstr.py 进行生成的, 生成的结果存放到文件:components/py_engine/mpy-adaptor/genhdr/qstrdefs.generated.h

操作方式:

3、目录结构

4、调试方法

开机默认会启动之前烧录进去的程序,打开串口工具,选择对应的串口设备,设置波特率为1500000 并连接。

Python轻应用默认支持两种运行模式: 交互式文件执行,在串口下输入不同的命令进入不同的模式

4.1、交互式调试

命令行输入python进入交互模式,在交互模式输入python代码,就能看到执行结果。键盘按下ctrl+d 退出交互模式

4.2 、文件执行调试

命令行输入python /data/python-apps/driver/led/main.py,执行led app

python /data/python-apps/driver/led/main.py

效果:

示例代码:


 
  1. # -*- coding: UTF-8 -*-
  2. import utime
  3. from driver import GPIO
  4. # 初始化GPIO 类
  5. gpio = GPIO()
  6. leds=( "led1", "led2", "led3", "led4", "led5")
  7. for i in range( 5):
  8. for led in leds:
  9. #open 函数支持的参数列表: led1, led2, led3, led4, led5
  10. gpio.open(led)
  11. #点亮led
  12. gpio.write( 0)
  13. utime.sleep_ms( 200)
  14. #熄灭led
  15. gpio.write( 1)
  16. utime.sleep_ms( 200)
  17. gpio.close()

5、加入我们

相关文章
|
5天前
|
人工智能 安全 Java
Java和Python在企业中的应用情况
Java和Python在企业中的应用情况
29 7
|
3天前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
13 3
|
15天前
|
数据库 Python
Python 应用
Python 应用。
37 4
|
23天前
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
72 6
|
24天前
|
数据采集 数据安全/隐私保护 开发者
非阻塞 I/O:异步编程提升 Python 应用速度
非阻塞 I/O:异步编程提升 Python 应用速度
|
1月前
|
机器学习/深度学习 数据可视化 数据处理
从基础到进阶:探索Python在数据科学中的应用
【10月更文挑战第18天】从基础到进阶:探索Python在数据科学中的应用
41 1
|
3天前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
16 8
|
4天前
|
机器人 计算机视觉 Python
Python作为一种高效、易读且功能强大的编程语言,在教育领域的应用日益广泛
Python作为一种高效、易读且功能强大的编程语言,在教育领域的应用日益广泛
19 5
|
12天前
|
缓存 监控 测试技术
Python中的装饰器:功能扩展与代码复用的利器###
本文深入探讨了Python中装饰器的概念、实现机制及其在实际开发中的应用价值。通过生动的实例和详尽的解释,文章展示了装饰器如何增强函数功能、提升代码可读性和维护性,并鼓励读者在项目中灵活运用这一强大的语言特性。 ###
|
14天前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
下一篇
无影云桌面